Ce cours a été classé dans le Top 100 des meilleurs cours sur Coursera, sur la base de ses notes élevées et de son grand nombre de notes.
Avez-vous des données et vous demandez-vous ce qu'elles peuvent vous dire? Vous avez besoin d'une compréhension plus approfondie des principales façons dont l'apprentissage automatique peut améliorer votre entreprise ? Vous voulez pouvoir discuter avec des spécialistes de tout, de la régression et de la classification à l'apprentissage en profondeur et aux systèmes de recommandation ? Dans ce cours, vous acquerrez une expérience pratique de l'apprentissage automatique grâce à une série d'études de cas pratiques. À la fin du premier cours, vous aurez étudié comment prédire les prix des maisons en fonction de
Avez-vous des données et vous demandez-vous ce qu'elles peuvent vous dire? Vous avez besoin d'une compréhension plus approfondie des principales façons dont l'apprentissage automatique peut améliorer votre entreprise ? Vous voulez pouvoir discuter avec des spécialistes de tout, de la régression et de la classification à l'apprentissage en profondeur et aux systèmes de recommandation ? Dans ce cours, vous acquerrez une expérience pratique de l'apprentissage automatique grâce à une série d'études de cas pratiques.
À la fin du premier cours, vous aurez étudié comment prédire les prix des maisons en fonction des caractéristiques au niveau de la maison, analyser le sentiment des utilisateurs, récupérer des documents d'intérêt, recommander des produits et rechercher des images.
Grâce à la pratique pratique de ces cas d'utilisation, vous serez en mesure d'appliquer des méthodes d'apprentissage automatique dans un large éventail de domaines.
Ce premier cours traite la méthode d'apprentissage automatique comme une boîte noire.
À l'aide de cette abstraction, vous vous concentrerez sur la compréhension des tâches qui vous intéressent, en faisant correspondre ces tâches avec des outils d'apprentissage automatique et en évaluant la qualité du résultat.
Dans les cours suivants, vous approfondirez les composants de cette boîte noire en examinant des modèles et des algorithmes.
Ensemble, ces éléments forment le pipeline d'apprentissage automatique, que vous utiliserez pour développer des applications intelligentes.
Résultats d'apprentissage : À la fin de ce cours, vous serez en mesure de : -Identifier les applications potentielles de l'apprentissage automatique dans la pratique.
-Décrire les différences centrales dans les analyses permises par la régression, la classification et le regroupement.
-Sélectionnez la tâche d'apprentissage automatique appropriée pour une application potentielle.
-Appliquez la régression, la classification, le regroupement, la récupération, les systèmes de recommandation et l'apprentissage en profondeur.
-Représentez vos données sous forme de caractéristiques pour servir d'entrée aux modèles d'apprentissage automatique.
-Évaluer la qualité du modèle en termes de mesures d'erreur pertinentes pour chaque tâche.
-Utilisez un ensemble de données pour ajuster un modèle afin d'analyser de nouvelles données.
-Créer une application de bout en bout qui utilise l'apprentissage automatique en son cœur.
-Implémenter ces techniques en Python.
52
L'apprentissage automatique est partout, mais il fonctionne souvent dans les coulisses. Cette introduction à la spécialisation vous informe sur la puissance de l'apprentissage automatique et sur la multitude d'applications intelligentes que vous pouvez personnellement développer et déployer à la fin. Nous discutons également de qui nous sommes, de comment nous en sommes arrivés là et de notre vision de l'avenir des applications intelligentes.
Cette semaine, vous allez créer votre première application intelligente qui effectue des prédictions à partir de données. Nous explorerons cette idée dans le cadre de notre première étude de cas, Prédire les prix des maisons, où vous créerez des modèles qui prédisent une valeur continue (prix) à partir des caractéristiques d'entrée (pied carré, nombre de chambres et de salles de bains, ...) . Ce n'est qu'un des nombreux endroits où la régression peut être appliquée. D'autres applications vont de la prédiction des résultats de santé en médecine, des cours des actions dans la finance et de la consommation d'énergie dans le calcul haute performance, à l'analyse des régulateurs importants pour l'expression des gènes. Vous examinerez également comment analyser les performances de votre modèle prédictif et mettre en œuvre la régression dans la pratique à l'aide d'un notebook Jupyter.
Comment savoir si une personne s'est sentie positive ou négative à propos d'une expérience, juste à partir d'une courte critique qu'elle a écrite ? Dans notre deuxième étude de cas, l'analyse du sentiment, vous créerez des modèles qui prédisent une classe (sentiment positif/négatif) de caractéristiques d'entrée (texte de révision, informations de profil d'utilisateur, ...). Cette tâche est un exemple de classification, l'un des domaines les plus utilisés de l'apprentissage automatique, avec un large éventail d'applications, notamment le ciblage publicitaire, la détection de spam, le diagnostic médical et la classification d'images. Vous analyserez la précision de votre classificateur, implémenterez un classificateur réel dans un cahier Jupyter et testerez pour la première fois un élément central de l'application intelligente que vous créerez et implémenterez dans votre synthèse.
Un lecteur est intéressé par un article d'actualité spécifique et souhaite trouver des articles similaires à recommander. Quelle est la bonne notion de similarité ? Comment rechercher automatiquement les documents pour trouver la correspondance la plus proche ? Comment puis-je représenter quantitativement les documents en premier lieu ? Dans cette troisième étude de cas, Récupération de documents, vous examinerez diverses représentations de documents et un algorithme pour récupérer le sous-ensemble le plus similaire. Vous envisagerez également des représentations structurées de documents qui regroupent automatiquement les articles par similarité (par exemple, le sujet du document). En fait, il créera un système intelligent de récupération de documents pour les entrées de Wikipédia dans un cahier Jupyter.
Vous êtes-vous déjà demandé comment Amazon forme ses recommandations de produits personnalisées ? Comment Netflix suggère-t-il des films à regarder ? Comment Pandora sélectionne-t-il la prochaine chanson à diffuser ? Comment Facebook ou LinkedIn trouvent-ils des personnes avec lesquelles vous pourriez entrer en contact ? Derrière toutes ces technologies de contenu personnalisé se cache ce qu'on appelle le filtrage collaboratif. Vous apprendrez à construire un tel système de recommandation en utilisant une variété de techniques et à explorer ses compromis. L'une des méthodes que nous examinons est la factorisation matricielle, qui apprend les caractéristiques des utilisateurs et des produits pour formuler des recommandations. Dans un cahier Jupyter, vous utiliserez ces techniques pour créer un véritable système de recommandation de chansons.
Préparez-vous depuis chez vous avec les universités les plus prestigieuses du monde.
La qualité des cours de Coursera est soutenue par ses instructeurs, qui sont souvent des doyens titulaires d'un doctorat.
Plus de 85 % des étudiants de Coursera signalent des avantages professionnels, tels que des promotions ou des augmentations de salaire.
Des millions d'étudiants à travers le monde atteignent leurs objectifs personnels et professionnels avec Coursera.
Coursera propose des cours de plus de 200 universités et entreprises de premier plan pour dispenser un apprentissage en ligne dans le monde entier. Avec un abonnement Coursera Plus, vous bénéficiez d'un accès illimité à plus de 90 % de tous les cours, ainsi qu'aux certificats et spécialisations professionnels les plus populaires sur Coursera.
Data science, business et développement personnel. Vous pouvez vous inscrire à plusieurs cours à la fois, obtenir des certificats illimités et acquérir des compétences professionnelles recherchées pour démarrer, évoluer et même changer de carrière.
DÉCOUVREZ COMMENT OBTENIR LE MAXIMUM ET ÉCONOMISER PLUS DE 500 USD AVEC UN ABONNEMENT ANNUEL À COURSERA PLUS*
*Vous économisez jusqu'à 500 USD en 12 mois, lorsque vous passez de 59 USD pour un abonnement mensuel à un abonnement annuel avec la promotion. L'abonnement annuel normal est de 399 USD. Avec la promotion, vous ne paierez que 299 USD. Découvrez tout en cliquant sur le bouton jaune.
Professeur Amazon d'apprentissage automatique
ma personne_add 410.851 XNUMX étudiants
mon ordinateurCours 6
Fondée en 1861, l'Université de Washington est l'une des plus anciennes institutions d'enseignement supérieur financées par l'État sur la côte ouest et l'une des principales universités de recherche au monde.
Bonjour, comment puis-je vous aider? Un cours vous intéresse ? A propos de quel sujet ?
Ajoutez votre avis